基于改进K-均值聚类的快速分形图像编码算法

作者：王向阳; 于雁春

来源：计算机科学, 2008, (02): 219-222.

• 图像压缩
• 分形编码
• K-均值聚类
• 初始聚类中心 Image compression
• Fractal coding
• K-mean clustering
• Initial clustering center

将先进的K-均值聚类理论引入到分形图像编码领域,是目前国际学术界的研究热点之一。本文全面分析了K-均值聚类的初始聚类中心选取问题,给出了基于均值-标准差的初始聚类中心选取新方案,并据此提出了一种新的快速分形图像编码算法。仿真实验表明,本文所提出的快速分形图像编码算法是一种高效的图像压缩方法,不仅其压缩效果明显优于传统K-均值聚类分形图像压缩方案,而且具有较短的编码时间。同时,该算法还具有较强的通用性与适应性(传统K-均值分形编码方法对于纹理图像压缩效果较差,而本文算法的压缩效果却较理想)。

• 单位
  计算机软件新技术国家重点实验室; 辽宁师范大学; 南京大学